介绍
深度学习如何入门？六个核心要素：1.放弃海量资料，2.放弃从零起步，3.选择合适的编程语言，4.选择最好的深度学习框架，5.夯实数学推导与理论，6.注重实践应用。
这门课的知识体系完整，知识架构清晰。整体分为三个部分：
第一部分（第01-04课），主要介绍一些深度学习的预备知识，列举重要的 Python 基础知识，手把手教你搭建本课程需要的开发环境，使用 Anaconda 平台，重点介绍 Jupyter Notebook 的使用以及知名的深度学习框架 PyTorch。
第二部分（第05-14课），主要介绍神经网络的基础，以最简单的两层神经网络入手，详细推导正向传播与反向梯度的算法理论。然后，从简单网络推导至深度网络，并重点介绍神经网络优化算法及构建神经网络模型的实用建议。每一部分都会使用 Python 构建神经网络模型来解决实际问题。
第三部分（第15-18课），主要介绍卷积神经网络 CNN 和循环神经网络 RNN，重点剖析两种模型的数学原理和推导过程。最后，利用越来越火的深度学习框架 PyTorch 分别构建 CNN 和 RNN 模型，解决实际项目问题。
本课程的独具特色包括：
内容深入浅出、理论推导详细；
理论结合实践，在代码实践中巩固知识；
知识体系完善，深度学习知识点各个击破。
